vllm-project/vllm

新增 TorchCodec 视频解码后端，提升稀疏采样性能

该 PR 值得所有使用多模态视频输入的团队精读。设计上通过 Mixin 模式优雅地扩展后端，值得借鉴。建议重点关注基准测试方法和 num_ffmpeg_threads 参数对解码性能的影响，以及未来可扩展性（如 CUDA 解码、音频解码等）。

修复 NCCL 设备组超时未从配置传播的问题

值得关注的设计决策包括分离 CPU 与设备超时配置，以及覆盖所有代码路径（包括 experimental split_group）。PR 本身逻辑清晰，可作为分布式配置传播的参考实现。建议代码审阅者和开发者关注类似的配置传播模式，确保新加的参数不会遗漏。

CPU 实现 Mamba ShortConv 前向，修复无输出的 bug

该 PR 值得精读，特别是 `forward_native` 的实现与调度模式。它展示了如何在 vLLM 的 V1 架构下为自定义算子添加 CPU 支持，同时保持与 GPU 路径的隔离。此外，review 过程中关于复用已有算子、平台判断方式等设计决策值得关注。

添加 DeepSeek V3.2 往返测试 fixture

值得合并，测试覆盖简单且聚焦，有助于确保 Rust 前端对 DeepSeek V3.2 DSML tool-call 路径的支持。

修复 DSV2 模型 FP8 索引器权重加载失败

变更简单且必要，已快速合并。建议了解该仓库的量化层权重命名规范，未来应避免对特定后缀的硬编码，采用更通用的命名匹配模式。

修复 XPU 下 PP 精度问题

该 PR 值得关注，因为它揭示了跨平台 CUDA stream 同步的差异——CUDA 上 `wait_stream` 可能隐含了足够的同步语义，而 XPU 上需要显式 `synchronize()。对于维护多后端的工程师是很好的参考。

Chat/Completions 响应体新增 per-request timing metrics 字段

建议精读 `build_per_request_timing_metrics` 函数以理解各时间段的计算边界（特别是 `generation_time_ms` vs `tokens_per_second` 的区别）。双门控设计值得参考，但团队可评估是否默认开启以简化用户配置。注意流式模式下对 `include_usage` 的依赖，需在文档中突出说明。

修复并行 tool-call 流式测试断言和 Mistral/Granite Parser bug

此 PR 值得精读，尤其关注流式场景下隐式假设的识别和修复方式，以及 parser 状态机设计。对理解 OpenAI 流式 delta 格式和测试 flakiness 根因分析很有帮助。